DeepSeek开源AI文件系统，突破性技术让模型训练效率倍增

Meise

当海外机构纷纷质疑中国AI公司"缺乏透明度"时，这家企业选择用代码说话——开放核心技术的底气，或许比任何公关声明都更有说服力。

在刚刚过去的"开源周"活动中，国内AI企业深度求索（DeepSeek）向全球开发者社区发布了五款核心软件，其中最引人注目的当属专为AI优化的Fire-Flyer文件系统（3FS）。这套基于Linux打造的分布式存储方案，正以惊人的性能数据撼动着AI基础设施领域。

技术解析显示，3FS系统通过智能调度数千块固态硬盘的聚合吞吐量，配合RDMA网络技术，在180个节点集群中实现了6.6TiB/s的恐怖读取速度。更巧妙的是，它摒弃传统读缓存机制，专门优化了AI模型训练时常见的随机读取需求，使得GPU节点能够持续高效获取分散存储的数据片段。

来自硅谷的初创企业Perspective AI在评测后惊叹："这些性能指标直接为数据密集型AI任务设立了新标杆。"实际测试中，25节点规模的3FS集群每分钟可完成3.66TiB的GraySort基准测试，充分证明了其在处理复杂工作负载时的稳定性。

值得注意的是，该文件系统并非孤立存在。去年公布的Fire-Flyer 2架构文档披露，通过3FS与HaiScale等自研技术的协同，DeepSeek在AI训练集群中实现了显著的成本效益：相较英伟达DGX-A100方案，仅用50%的成本和60%的能耗就获得了80%的性能表现。其技术路线选择了两条200Gbps网络控制器，搭配上万块英伟达A100 GPU的硬件配置。

这场开源行动的背后，是DeepSeek对近期海外舆论的积极回应。面对"技术不透明"的质疑，企业选择将包括FlashMLA、DeepEP在内的多项核心工具开源，试图用社区协作打破技术壁垒。目前已有多个海外AI团队开始研究这些代码仓库，行业观察者认为这或将引发新一轮基础设施创新竞赛。